之前在https://blog.csdn.net/fengbingchun/article/details/113482036 介紹了Inception，在https://blog.csdn.net/fengbingchun/article/details/114167581 介紹了ResNet，這里介紹下深度神經網絡中的Inception-ResNet模塊。

介紹Inception-ResNet的論文名為：《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》，論文：https://arxiv.org/pdf/1602.07261.pdf

Inception-ResNet系列主要有Inception-ResNet-v1和Inception-ResNet-v2。

每個Inception模塊的輸出執行Concat操作，而ResNet的每個殘差塊的輸出執行Eltwise操作。

殘差連接(residual connection)能夠顯著加速Inception網絡的訓練。Inception-ResNet-v1的計算量與Inception-v3大致相同，Inception-ResNet-v2的計算量與Inception-v4大致相同。

下圖是Inception-ResNet架構圖，來自于論文截圖：Steam模塊為深度神經網絡在執行到Inception模塊之前執行的最初一組操作，在Inception-ResNet-v1中Steam模塊的最終輸出為35*35*256，在Inception-ResNet-v2中Steam模塊的最終輸出為35*35*384。

上圖中Inception-ResNet-v1和Inception-ResNet-v2各模塊詳細結構如下所示：為了便于v1和v2相同模塊作對比，這里將兩類型相同模塊放在了一起，其中左圖為Inception-ResNet-v1，右圖為Inception-ResNet-v2。下圖中所有未標有”V”的卷積都用相同的填充(same-padded)，表示它們的輸出尺寸與輸入尺寸正好匹配。標有”V”的卷積采用valid padded，即不填充，padding=0。

Stem模塊結構，論文截圖如下所示：

Inception-resnet-A模塊結構，論文截圖如下所示：

Reduction-A模塊結構，論文截圖如下所示：Inception-ResNet-v1與Inception-ResNet-v2相同

Inception-resnet-B模塊結構，論文截圖如下所示：

Reduction-B模塊結構，論文截圖如下所示：

Inception-resnet-C模塊結構，論文截圖如下所示：

GitHub：https://github.com/fengbingchun/NN_Test

總結

以上是生活随笔為你收集整理的深度神经网络中Inception-ResNet模块介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。